Regresi

Apa itu regresi, regresi linier, analisis asosiatif kausalitas

Penelitian dari tingkat eksplanasinya dapat dibedakan menjadi penelitian deskriptif, komparatif dan asosiatif. Penelitian deskriptif memfokuskan pada penjelasan (deskripsi) satu atau lebih variabel tanpa ada maksud membandingkan atau mencari hubungan antara variabel tersebut. Penelitian komparatif bertujuan membandingkan keberadaan satu atau lebih variabel pada dua atau lebih sampel yang berbeda. Sedangkan penelitian asosiatif tujuannya adalah menganalisis hubungan antara dua atau lebih variabel.

Secara umum, bentuk hubungan antar variabel dapat dibedakan menjadi tiga bentuk: simetris, kausal dan interaktif. Hubungan simetris artinya hubungan antar variabel yang kebetulan muncul secara bersamaan dan dianggap tidak ada variabel yang muncul lebih dulu. Sedangkan hubungan kausal merupakan hubungan yang bersifat sebab akibat. Artinya ada variabel yang bertindak sebagai variabel sebab dan ada variabel lain yang bertindak sebagai variabel akibat. Lain lagi dengan hubungan yang bersifat interaktif/reciprocal/timbal balik. Pada hubungan yang bersifat interaktif, variabel dapat saling mempengaruhi satu dengan yang lainnya.

Salah satu analisis dasar yang dapat digunakan untuk menganalisis hubungan yang bersifat kausal adalah analisis regresi. Dalam analisis regresi ada variabel sebab yang biasa disebut dengan variabel bebas (independent variable) dan variabel akibat yang biasa disebut dengan variabel terikat (dependent variable). Hubungan variabel bebas dan variabel terikat sering digambarkan dalam hubungan saling mempengaruhi. Variabel bebas mempengaruhi variabel terikat atau variabel terikat dipengaruhi variabel bebas. Tujuan dari analisis regresi adalah untuk mengestimasi dan atau memprediksi nilai rata-rata variabel terikat yang didasarkan pada nilai variabel bebas yang diketahui atau dengan kata lain menganalisis pengaruh variabel bebas terhadap variabel terikat.

Analisis regresi merupakan analisis multivariate (banyak variabel) yang paling banyak digunakan dalam penelitian. Analisis regresi dilakukan dengan cara memodelkan pengaruh variabel bebas terhadap variabel terikat dengan suatu model (persamaan) matematis. Salah satu model matematis yang paling sering dan paling mudah digunakan untuk analisis regresi adalah persamaan linier. Analisis regresi dengan persamaan linier sering disebut regresi linier. Regresi linier mencoba menganalisis pengaruh variabel bebas terhadap variabel terikat dengan asumsi pengaruh keduanya linier. Artinya jika kedua variabel tersebut digambarkan dalam suatu sistem kordinat garis, maka kombinasi keduanya membentuk pola garis linier (lurus) atau dengan kata lain, pengaruh variabel bebas terhadap variabel terikat akan konstan dari satu pengamatan ke pengamatan lainnya.

Jenis-jenis regresi

Regresi linier dengan satu variabel bebas disebut regresi linier sederhana, sedangkan jika variabel bebasnya lebih dari satu maka disebut dengan regresi linier berganda. Ada beberapa metode yang dapat digunakan untuk mengestimasi model regresi linier, seperti metode Ordinary Least Squares (OLS), Maximum Likelihood (ML) dan Generalized Method of Moment (GMM). Dari ketiga metode tersebut, OLS merupakan metode yang paling sering digunakan. Guna mengestimasi model regresi linier dengan metode OLS dibutuhkan asumsi-asumsi yang harus dipenuhi oleh model yang diestimasi, seperti linieritas, multikolinieritas, heterokedastisitas, autokorelasi dan normalitas.

Selain pendekatan regresi linier, ada beberapa alternatif bentuk regresi yang didasarkan pada pola pengaruh variabel bebas terhadap variabel terikatnya, seperti regresi log linier yang mendasari pola pengaruhnya pada bentuk kurva eksponensial. Dimana pengaruh variabel bebas terhadap variabel terikat dari satu pengamatan ke pengamatan lainnya berubah tidak konstan dalam satuan variabel tersebut, melainkan berubah secara proposional. Artinya setiap perubahan satu satuan variabel bebas akan mempengaruhi perubahan variabel terikatnya sebesar proporsi koefisien regresinya. Meski demikian, model regresi log linier tetap berdasarkan pada model linier dalam mengestimasi modelnya. Artinya metode yang digunakan untuk mengestimasinya tetap sama, seperti OLS, ML atau GMM.

Dalam banyak kasus model regresi banyak mengalami pengembangan, bukan hanya regresi linier saja. Namun demikian pengembangan itu tetap berangkat dari model regresi linier sebagai dasarnya. Misalnya saja regresi logistik, regresi data panel, model persamaan simultan, kointegrasi dan koreksi kesalahan, serta model-model regresi lainnya. Perubahan model regresi disesuaikan dengan karakteristik data dan tujuan penelitiannya. Regresi logistik digunakan karena jenis data variabel terikat yang kualitatif (nominal dan ordinal). Sedangkan regresi data panel digunakan untuk jenis data panel (cross section dan time series). Model persamaan simultan ditujukan untuk analisis model dengan lebih dari dua model (persamaan) yang saling keterkaitan. Kointegrasi dan koreksi kesalahan digunakan pada saat jenis datanya time series dan tidak stasioner pada level. Begitu pula dengan model-model lain yang digunakan pada saat ada kekhususan pada karakteristik data dan tujuan penelitiannya.